如何计算复杂文档中的字数（.rtf、.doc、.odt等）？
我想写一个Python函数，给定一个文档文件的路径，返回这个文档中的单词数量。对于.txt文件，这个事情比较简单，还有一些工具可以让我勉强支持其他复杂的文档格式，但我想要一个更全面的解决方案。
我查看了OpenOffice.org的py-uno脚本接口和支持的格式列表，似乎可以在没有图形界面的情况下加载文档，并调用它的字数统计功能。不过，我找不到任何超出基本文档生成的py-uno教程或示例代码，甚至我找到的代码片段也过时了，已经有好几年不能用了。
无论是使用OOo和Uno还是其他方法，我该如何获得各种格式文档的可靠字数统计呢？
2 个回答
2
这可能不是最适合你的方法，但如果你愿意的话，可以把文件上传到Google文档，然后导出为.txt格式。Google在转换文件方面通常做得很好。
你可以在这里找到相关的API信息：http://code.google.com/intl/pl/apis/documents/docs/1.0/developers_guide_python.html
可以看看登录、上传和导出这几个部分。
3
在无头模式下加载文档
并调用它的字数统计功能
PyODConverter 是一个比较新的脚本（2009年11月），可以用来通过 OOo 转换多种文件类型。看这个脚本，它基本上可以加载所有 OOo 支持的文档。
下面是如何以无头服务的方式启动 OOo：
soffice -headless -accept="socket,host=127.0.0.1,port=8100;urp;" -nofirststartwizard
然后你只需要写一个小的启动程序，通过命令行调用 OOo，运行你的脚本，然后关闭 OOo。